Ingénieur diplômé de l’École Polytechnique Universitaire de Sorbonne Université (Polytech Sorbonne), spécialité Mathématiques Appliquées et Informatique
Les premières compétences de l’ingénieur MAIN sont en lien avec les domaines généraux de l’informatique et des mathématiques appliquées : - Choisir, implémenter et adapter des algorithmes et des logiciels, notamment intégrant des données structurées. - Choisir et implémenter des modèles probabilistes, statistiques ou des équations mathématiques en fonction des types de données ou des phénomènes étudiés. La particularité de l’ingénieur ou l’ingénieure est par ailleurs de posséder un large éventail de compétences lié aux applications de la multi-disciplinarité en mathématiques et de l’informatique : - Mettre en œuvre des projets autour de la science des données, de la définition du besoin à l’évaluation des performances et de la reproductibilité des conclusions. - Garantir l'intégrité et la sécurité des données numériques à l'aide des méthodes et des algorithmes de cryptologie. - Optimiser des algorithmes pour réduire leur temps d'exécution, la mémoire utilisée, l'impact sur l'environnement, sur des architectures classiques ou massivement parallèles. - Mettre en œuvre des projets de simulation avec les outils mathématiques adaptés Au delà de ces compétences spécifiques au traitement de l'information, l'ingénieur a bien sûr acquis des compétences informationnelles générales : évaluation critique de l'information et de ses sources, utilisation efficace, éthique et légale de cette information. Il est également capable d'appréhender et de gérer des situations complexes au sein de son cadre socio-économique grâce aux compétences transversales méthodologiques, sociales et personnelles suivantes : - Concevoir et piloter un projet. - Comprendre et intégrer les principaux enjeux interne et externe d’une entreprise au sein de son environnement. - S’intégrer dans une organisation, animer et faire évoluer une équipe. - Communiquer à l'oral et à l'écrit de façon professionnelle, structurée et synthétique. - S’auto-évaluer, développer ses compétences et gérer son projet professionnel. - Travailler dans un contexte international.
Lire la suitePrérequis
Formation accessible à partir d'un bac+2 ou bac+3 en sciences et technologies orienté informatique ou mathématiques, ainsi qu’au cycle préparatoire des écoles du réseau Polytech (PeiP)
Voie d'accès
Non accessible en contrat de formation continue, contrat de professionnalisation, contrat d'apprentissage et en reconnaissance des acquis (VAE)
Où suivre ce diplôme ?
Compétences attestées
Blocs de compétences
- Appliquer une approche multidisciplinaire à des problématiques issues de domaines variés
- Appliquer une démarche scientifique pour traduire et résoudre des problèmes complexes, nouveaux ou incomplètement définis
- Concevoir, mettre en œuvre, et exploiter des simulations pour illustrer un résultat théorique ou pour comprendre un phénomène concret
- Adapter un modèle aux besoins et aux moyens d’une organisation
- Fournir une estimation de l’incertitude d’un modèle et la documenter de façon professionnelle, notamment dans un contexte anglophone
- Mettre en équations des phénomènes physiques linéaires (diffusion, ondulatoires, transport)
- Appliquer les techniques de résolution des équations aux dérivées partielles
- Appliquer les méthodes d’approximation pour la résolution de systèmes non linéaires
- Appliquer les outils mathématiques et les environnements de développement pour la simulation
- Optimiser les méthodes et les protocoles adaptés au problème, par exemple en fonction du phénomène physique étudié ou de la nature et de la quantité des données disponibles
- Concevoir et piloter un projet de simulation, animer et faire évoluer une équipe en employant des techniques de gestion de projet
- Estimer l’impact sur l’environnement des modélisations et des simulations mises en œuvre
- Appliquer les moyens algorithmiques permettant de sécuriser les données numériques et outils permettant d’assurer l’intégrité des données et de protéger les informations sensibles.
- Déployer des outils cryptographiques dans des protocoles réseaux d’une entreprise, en tenant compte de ses moyens et de son environnement
- Concevoir et piloter un projet de cyber-sécurité, animer et faire évoluer une équipe en employant des techniques de gestion de projet (et d’équipe)
- Intégrer l’estimation et la gestion des risques dans les différents protocoles de sécurité
- Documenter les solutions mises en œuvre de façon professionnelle, notamment dans un contexte anglophone
- Communiquer auprès des utilisateurs sur les enjeux de la sécurité des systèmes d’information, notamment dans un contexte anglophone
- Appliquer une démarche scientifique pour traduire et résoudre des problèmes complexes, nouveaux ou incomplètement définis.
- Expliquer les enjeux de la sécurité post-quantique
- Tenir compte des enjeux internationaux de la cyber-sécurité
- Appliquer une démarche scientifique pour traduire et résoudre des problèmes complexes, nouveaux ou incomplètement définis.
- Apprécier les limites et différences entre des algorithmes d’optimisation exactes et approchée
- Estimer la complexité (en temps et espace) d’un algorithme et la documenter de façon professionnelle, notamment dans un contexte anglophone
- Choisir et implémenter les méthodes d’optimisation linéaire et non linéaire continue en présence ou pas de variables entières
- Implémenter et optimiser des programmes parallèles sur des architectures classiques, en s’adaptant aux moyens de l’organisation
- Implémenter et optimiser des programmes parallèles sur des architectures hétérogènes et massivement parallèles (GPU, clusters de calcul..), en s’adaptant aux moyens de l’organisation
- Concevoir et piloter un projet d’optimisation d’algorithmes, animer et faire évoluer une équipe en employant des techniques de gestion de projet
- Estimer l’impact sur l’environnement des optimisation d’algorithme mises en œuvre
- Choisir, implémenter et adapter des algorithmes avancés pour résoudre des problèmes dans le cadre d’un projet en équipe
- Spécifier, concevoir et développer des logiciels en employant des techniques de gestion de projet
- Documenter ces logiciels et communiquer sur leurs fonctionnalités de façon professionnelle, à l’écrit comme à l’oral, notamment dans un contexte anglophone
- Utiliser les principes fondamentaux de l’architecture des ordinateurs et des systèmes d’exploitation
- Estimer la complexité (en temps et espace) d’un algorithme
- Mettre en place, interroger et maintenir une base de données
- Implémenter et optimiser des programmes parallèles sur des architectures classiques
- Estimer la pertinence des modèles mathématiques, probabilistes, statistiques qui sous-tendent les algorithmes usuels en analyse de données pour l’étude visée
- Apprécier les limites d'une approche mathématique ou statistique et identifier les sources de variabilité et d'incertitude, en fonction des données spécifiques de l’étude
- Appliquer des méthodes de réduction de dimension
- Mettre en place des méthodes statistiques qui permettent de prendre une décision sur la base d’un échantillon de données et d'un modèle adapté.
- Estimer la pertinence des méthodes choisies en fonction des besoins de l’entreprise ou du client, du niveau de confidentialité des données, de la réglementation nationale et internationale en la matière
- Fournir une estimation de l’incertitude d’un modèle et la documenter de façon professionnelle, notamment dans un contexte anglophone
- Appliquer une approche multidisciplinaire à des problématiques issues de domaines variés, en intégrant à sa réflexion les besoins et moyens de l’organisation
- Appliquer une démarche scientifique pour traduire et résoudre des problèmes complexes, nouveaux ou incomplètement définis
- Estimer les impacts et problématiques liés aux données de grande voire très grande dimension
- Communiquer les résultats (mode expert ou grand public) par un rapport d'analyse statistique et des méthodes de visualisation des données de façon professionnelle, notamment dans un contexte anglophone
- Mettre en place des méthodes statistiques qui permettent de prendre une décision sur la base d’un échantillon de données et d'un modèle adapté
- Développer et interpréter un modèle d'apprentissage statistique
- Sélectionner un algorithme ou un modèle d'apprentissage et optimiser les valeurs de ses paramètres
- Concevoir et piloter un projet de sciences des données, animer et faire évoluer une équipe en employant des techniques de gestion de projet
- Estimer l’impact sur l’environnement des systèmes de classification et de prédiction mis en œuvre
